CN115577037A - 基于人工智能的数据可视化交互处理方法及系统 - Google Patents

Abstract

本发明实施例提供的基于人工智能的数据可视化交互处理方法及系统，可以通过待分析数字用户交互事件的要素知识向量关联对应的参考解析信息以确定相关度，能够实现针对相异的数字用户交互事件的交互事件相关度分析，减少交互事件相关度分析的误差，保障交互事件相关度分析的精度和可信度，以便基于该交互事件相关度完整准确地对待分析业务大数据中的待分析数字用户交互事件以及选定会话场景单元进行可视化输出，以提高在可视化处理过程中提高信息之间的视觉关联度，从而可以结合计算机视觉技术将待分析数字用户交互事件与选定会话场景单元的相关性进行呈现，为后续的业务可视化分析和数据挖掘提供多样丰富的决策依据。

Description

基于人工智能的数据可视化交互处理方法及系统

技术领域

本发明涉及人工智能技术领域，特别涉及一种基于人工智能的数据可视化交互处理方法及系统。

背景技术

数据可视化是把数值或非数值类型的数据转化为可视的表示形式，并获得对数据更深层次认识的过程。可视化将复杂的信息以图像的形式呈现出来，让这些信息更容易、快速地被人理解，因此，它也是一种放大人类感知的图形化表示方法。随着人工智能的发展，人工智能和可视化的结合能够满足大部分的交互处理任务。然而发明人在对一些可视化技术进行研究分析时发现，如何在可视化处理过程中提高信息之间的视觉关联度是其中一个需要改进的环节。

发明内容

为改善相关技术中存在的技术问题，本发明提供了一种基于人工智能的数据可视化交互处理方法及系统。

第一方面，本发明实施例提供了一种基于人工智能的数据可视化交互处理方法，应用于人工智能服务系统，该方法至少包括：

对待分析业务大数据进行交互事件解析，以确定出所述待分析业务大数据涵盖的不少于一个待分析数字用户交互事件的视觉智能解析信息和第一要素知识向量；

获得包括不少于一个参考解析信息的参考解析记录；其中，所述参考解析信息携带第二要素知识向量，所述参考解析信息用作反映所述第二要素知识向量对应的数字用户交互事件与选定会话场景单元之间的相关度为设定相关度时的视觉智能解析信息；

对于各个所述待分析数字用户交互事件的第一要素知识向量，从所述参考解析记录中获得与所述第一要素知识向量关联的第二要素知识向量对应的参考解析信息，视作所述待分析数字用户交互事件的参考解析信息；

对于各个所述待分析数字用户交互事件，利用所得的所述待分析数字用户交互事件的参考解析信息和所述待分析数字用户交互事件的视觉智能解析信息确定交互事件相关度；其中，所述交互事件相关度反映所述待分析数字用户交互事件与所述选定会话场景单元之间的相关度。

可选的，所述对待分析业务大数据进行交互事件解析，以确定出所述待分析业务大数据涵盖的不少于一个待分析数字用户交互事件的视觉智能解析信息和第一要素知识向量包括：

对所述待分析业务大数据进行交互事件解析，以确定出其中涵盖的不少于一个待分析数字用户交互事件，以及每个所述待分析数字用户交互事件的视觉智能解析信息；

对于所述不少于一个待分析数字用户交互事件中的每个待分析数字用户交互事件，获得所述待分析数字用户交互事件的交互事件主题；

从包含不少于一个交互事件主题的交互事件主题集中，确定用作反映所述待分析数字用户交互事件的交互事件主题对应的不少于一个交互事件要素知识，并视作所述待分析数字用户交互事件的第一要素知识向量，所述交互事件主题集中的每个交互事件主题携带不少于一个交互事件要素知识。

可选的，所述对待分析业务大数据进行交互事件解析，以确定出所述待分析业务大数据涵盖的不少于一个待分析数字用户交互事件的视觉智能解析信息和第一要素知识向量还包括：

在所述交互事件主题集中不存在用作反映所述待分析数字用户交互事件的交互事件主题的基础上，对所述待分析数字用户交互事件进行描述特征挖掘，以确定出不少于一个交互事件描述特征；

利用所述交互事件描述特征确定所述待分析数字用户交互事件的第一要素知识向量。

可选的，在对所述待分析业务大数据进行交互事件解析得到不少于两个待分析数字用户交互事件的基础上，所述第一要素知识向量中包括反映事件影响力数据的用户偏好要素向量。

可选的，所述对待分析业务大数据进行交互事件解析，以确定出所述待分析业务大数据涵盖的不少于一个待分析数字用户交互事件的视觉智能解析信息和第一要素知识向量还包括：

在对所述待分析业务大数据进行交互事件解析得到不少于两个待分析数字用户交互事件的基础上，确定所述不少于两个待分析数字用户交互事件中每个待分析数字用户交互事件的事件影响力数据；

对于所述每个待分析数字用户交互事件，利用所述待分析数字用户交互事件的事件影响力数据确定对应的用户偏好要素向量，并确定包括所述用户偏好要素向量的第一要素知识向量。

可选的，所述对于各个所述待分析数字用户交互事件的第一要素知识向量，从所述参考解析记录中获得与所述第一要素知识向量关联的第二要素知识向量对应的参考解析信息，视作所述待分析数字用户交互事件的参考解析信息包括：

对于每个所述待分析数字用户交互事件，确定所述待分析数字用户交互事件的第一要素知识向量，所述第一要素知识向量包括不少于一个局部要素知识向量；

在所述参考解析记录中确定与所述待分析数字用户交互事件第一要素知识向量中局部要素知识向量相同的第二要素知识向量为候选要素知识向量；

确定所述候选要素知识向量对应的参考解析信息为所述待分析数字用户交互事件的参考解析信息。

可选的，所述对于各个所述待分析数字用户交互事件，利用所得的所述待分析数字用户交互事件的参考解析信息和所述待分析数字用户交互事件的视觉智能解析信息确定交互事件相关度包括：

对于各个所述待分析数字用户交互事件，利用不少于一个参考解析信息确定关联解析信息；

确定所述待分析数字用户交互事件的关联解析信息和设定相关度的第一运算结果，并利用所述第一运算结果与所述待分析数字用户交互事件对应视觉智能解析信息的第二运算结果确定交互事件相关度。

可选的，所述对于各个所述待分析数字用户交互事件，利用不少于一个参考解析信息确定关联解析信息包括：

确定所述参考解析记录中每个所述参考解析信息的置信系数；

对于每个所述待分析数字用户交互事件，利用对应的所述不少于一个参考解析信息的第三运算结果确定关联解析信息。

可选的，所述待分析数字用户交互事件包括电子商务会话事件，所述视觉智能解析信息包括电商兴趣字段解析信息和电商产品描述解析信息中的不少于一类，所述电商兴趣字段解析信息包括所述待分析数字用户交互事件的兴趣字段捕捉窗口变量，所述电商产品描述解析信息包括所述待分析数字用户交互事件产品服务描述字段和使用传输描述字段之间的相关度。

第二方面，本发明还提供了一种人工智能服务系统，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。

第三方面，本发明还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

在本发明实施例中，可以通过待分析数字用户交互事件的要素知识向量关联对应的参考解析信息以确定相关度，能够实现针对相异的数字用户交互事件的交互事件相关度分析，减少交互事件相关度分析的误差，保障交互事件相关度分析的精度和可信度，以便基于该交互事件相关度完整准确地对待分析业务大数据中的待分析数字用户交互事件以及选定会话场景单元进行可视化输出，以提高在可视化处理过程中提高信息之间的视觉关联度，从而可以结合计算机视觉技术将待分析数字用户交互事件与选定会话场景单元的相关性进行呈现，为后续的业务可视化分析和数据挖掘提供多样丰富的决策依据。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。

图1是本发明实施例提供的一种基于人工智能的数据可视化交互处理方法的流程示意图。

图2是本发明实施例提供的一种基于人工智能的数据可视化交互处理方法的应用环境的通信架构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

本发明实施例所提供的方法实施例可以在人工智能服务系统、计算机设备或者类似的运算装置中执行。以运行在人工智能服务系统上为例，人工智能服务系统10可以包括一个或多个处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器104，可选地，上述人工智能服务系统还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解，上述结构仅为示意，其并不对上述人工智能服务系统的结构造成限定。例如，人工智能服务系统10还可包括比上述所示更多或者更少的组件，或者具有与上述所示不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的一种基于人工智能的数据可视化交互处理方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至人工智能服务系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括人工智能服务系统10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（RadioFrequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。

基于此，请参阅图1，图1是本发明实施例所提供的一种基于人工智能的数据可视化交互处理方法的流程示意图，该方法应用于人工智能服务系统，进一步可以包括步骤10-步骤40描述的技术方案。

步骤10、对待分析业务大数据进行交互事件解析，以确定出所述待分析数字用户交互事件涵盖的不少于一个待分析数字用户交互事件的视觉智能解析信息和第一要素知识向量。

对于一些示例性实施例而言，待分析业务大数据为包括不少于一个待分析数字用户交互事件的业务互动大数据，可以通过人工智能服务系统内置的大数据收集线程（数据爬虫）、或者与人工智能服务系统通信的大数据收集线程收集得到。或者，还可以通过其他系统收集后发送至执行基于人工智能的数据可视化交互处理方法的人工智能服务系统，以进行相关度分析并得到分析信息。示例性的，待分析业务大数据为动态可视化数据（比如图文、矩阵、音视频混合组成的数据），其中涵盖的待分析数字用户交互事件可利用业务环境确定，示例性可以为该业务环境下任意需要进行相关性分析的数字用户交互事件。比如，在基于人工智能的数据可视化交互处理方法应用于分析跨境电商会话事件与跨境电商活动项目之间的相关度时，待分析业务大数据中涵盖的待分析数字用户交互事件为跨境电商会话事件。在基于人工智能的数据可视化交互处理方法应用于分析当前用户操作事件与上下游操作事件之间的相关度时，待分析业务大数据中涵盖的待分析数字用户交互事件为与当前用户操作事件连续的其他用户操作事件，即所述上下游操作事件。

示例性的，可以在确定待分析业务大数据后通过交互事件解析的思路确定其中涵盖的至少一个待分析数字用户交互事件，以及每个待分析数字用户交互事件的视觉智能解析信息（解析结果）和第一要素知识向量（可以理解为事件的标签信息）。其中，每个待分析数字用户交互事件携带不少于一个视觉智能解析信息和包括不少于一个局部要素知识向量的第一要素知识向量。每个视觉智能解析信息用作反映待分析数字用户交互事件的一种影响力描述（比如待分析数字用户交互事件在待分析业务大数据中的关联数据集占整个待分析业务大数据的数据量的比例），第一要素知识向量中的每个局部要素知识向量用作反映待分析数字用户交互事件的一个细节描述。在待分析数字用户交互事件不同时，待分析数字用户交互事件的视觉智能解析信息和第一要素知识向量至少存在差异度。

示例性地，当待分析数字用户交互事件为电商兴趣事件时，视觉智能解析信息可以包括分析电商兴趣事件部分数据集所得的分析窗口大小，或者分析电商兴趣事件多个AI描述子（比如特征点）之间的特征相关度。细节描述可以包括通过特征挖掘所得的各类属性描述向量。在待分析数字用户交互事件为用户操作事件时，视觉智能解析信息可以为捕捉得到用户操作事件整体的分析窗口大小，细节描述可以为通过特征挖掘所得的类别等属性。进一步地，在部分数据集为兴趣字段集，兴趣事件多个AI描述子包括产品服务描述字段和使用传输描述字段的基础上，视觉智能解析信息可以为电商兴趣字段解析信息和电商产品描述解析信息中的不少于一类。其中，电商兴趣字段解析信息包括待分析数字用户交互事件的兴趣字段捕捉窗口变量，电商产品描述解析信息包括待分析数字用户交互事件产品服务描述字段和使用传输描述字段之间的相关度。示例性的，视觉智能解析信息可以通过特征数组表示。在视觉智能解析信息为电商兴趣字段解析信息时，特征数组中可以包括反映捕捉窗口横向尺寸的变量、以及捕捉窗口纵向尺寸的变量等。在视觉智能解析信息为电商产品描述解析信息时，特征数组中可以包括反映产品服务项目与使用传输文本之间相关度的变量，以及反映不同使用传输文本之间相关度的变量等。

对于一些示例性实施例而言，人工智能服务系统可以通过交互事件解析的思路确定不少于一个待分析数字用户交互事件的视觉智能解析信息和第一要素知识向量。示例性的，可以对待分析业务大数据进行交互事件解析，以确定出其中涵盖的不少于一个待分析数字用户交互事件，以及每个待分析数字用户交互事件的视觉智能解析信息。对于不少于一个待分析数字用户交互事件中的每个待分析数字用户交互事件，获得待分析数字用户交互事件的交互事件主题。从包含不少于一个交互事件主题的交互事件主题集中，确定用作反映待分析数字用户交互事件的交互事件主题对应的不少于一个交互事件要素知识，并视作待分析数字用户交互事件的第一要素知识向量，交互事件主题集中的每个交互事件主题携带不少于一个交互事件要素知识。示例性的，交互事件主题集可以事先记录于人工智能服务系统或与人工智能服务系统通信的其他系统中。交互事件主题集中每个交互事件主题和对应的不少于一个交互事件要素知识可以事先进行存储。

比如，当本发明实施例用于捕捉上下游操作事件之间相关度时，可以对待分析业务大数据进行交互事件解析得到其中的用户操作事件，并将该用户操作事件的事件类别编号视作交互事件主题。进一步地，确定人工智能服务系统中在先记录的，或者获得的多个事件类别编号与对应的不少于一个交互事件要素知识。在在先记录的多个事件类别编号中包括识别所得的事件类别编号时，直接获得该事件类别编号对应的不少于一个交互事件要素知识视作识别得到用户操作事件的第一要素知识向量。当本发明实施例用于分析活动兴趣事项与大数据收集线程之间的相关度时，可以对待分析业务大数据进行交互事件解析得到其中活动兴趣事项，并识别事项概要得到事项概要向量视作交互事件主题。进一步地，确定人工智能服务系统中在先记录的或获得的多个事项概要向量，与每个事项概要向量对应的不少于一个交互事件要素知识。在在先记录的多个事项概要向量中包括与识别到的事项概要向量关联的特征时，直接获得该关联的事项概要向量对应的不少于一个交互事件要素知识视作识别得到事项概要的第一要素知识向量。

在一些示例下，在人工智能服务系统预先确定的多个交互事件主题中不存在反映当前识别到的待分析数字用户交互事件的交互事件主题时，可以通过描述特征挖掘的思路确定待分析数字用户交互事件的不少于一个第一要素知识向量。即可以在交互事件主题集中不存在用作反映待分析数字用户交互事件的交互事件主题的基础上，对待分析数字用户交互事件进行描述特征挖掘，以确定出不少于一个交互事件描述特征。再利用交互事件描述特征确定待分析数字用户交互事件的第一要素知识向量。比如，当待分析数字用户交互事件为用户操作事件且人工智能服务系统中在先记录的多个交互事件主题中不包括该用户操作事件的交互事件主题时，可以通过已完成调试所得的描述特征挖掘算法识别用户操作事件特征得到对应的类别信息和关键词信息等多个交互事件描述特征，并将每一种交互事件描述特征视作用户操作事件的一个局部要素知识向量，以确定出包括全部交互事件描述特征的第一要素知识向量。其中，类别信息可以通过识别用户操作事件的交互模式得到，包括“本地事件”、“异地事件”、“延时事件”等，关键词信息可以通过识别用户操作事件的事件细节内容得到。当待分析数字用户交互事件为兴趣事件且人工智能服务系统中在先记录的多个交互事件主题中不包括该待分析数字用户交互事件的交互事件主题时，可以通过识别活动兴趣事项特征得到对应的多个交互事件描述特征，并将每一种交互事件描述特征视作识别到的活动兴趣事项的一个局部要素知识向量。其中，场景特征可以为“特征1”、“特征2”，时序特征可以为“特征3”、“特征4”等。

对于一些可能的示例而言，在确认活动兴趣事项与大数据收集线程之间的相关度的业务环境中，可以通过对待分析业务大数据data1进行事项概要捕捉得到多个事项概要捕捉窗口，每一个事项概要捕捉窗口中包括一个活动兴趣事项的事项细节特征。进一步地，确定人工智能服务系统中事先记录的多个交互事件主题和每个交互事件主题对应的不少于一个交互事件要素知识。对于每个事项概要捕捉窗口中的事项细节特征，确定是否存在与其关联的交互事件主题。当存在关联的交互事件主题时，直接确定该交互事件主题对应的交互事件要素知识为事项概要捕捉窗口中活动兴趣事项的第一要素知识向量。当不存在关联的交互事件主题时，利用事项概要捕捉窗口中的事项细节特征进行特征挖掘，以确定出对应的交互事件描述特征视作局部要素知识向量，并利用多个局部要素知识向量确定第一要素知识向量。示例性的，利用所述方式确定待分析业务大数据data1中的三个活动兴趣事项对应的第一事项概要捕捉窗口Window1、第二事项概要捕捉窗口Window2和第三事项概要捕捉窗口Window3。其中，第一事项概要捕捉窗口Window1的第一要素知识向量为【“特征1”，“特征4”】、第二事项概要捕捉窗口Window2的第一要素知识向量为【“特征2”，“特征4”】、第三事项概要捕捉窗口Window3的第一要素知识向量为【“特征1”、“特征3”】。

对于一些示例性实施例而言，在待分析业务大数据中仅存在一个待分析数字用户交互事件时，由于没有对比的待分析数字用户交互事件，难以通过比较判断待分析数字用户交互事件的影响系数。因此，在对待分析业务大数据进行交互事件解析得到不少于两个待分析数字用户交互事件的基础上，第一要素知识向量的局部要素知识向量中才包括反映事件影响力数据的用户偏好要素向量。在待分析业务大数据中存在至少两个待分析数字用户交互事件时，可以对比每个待分析数字用户交互事件的影响系数差异度得到反映每个待分析数字用户交互事件事件影响力数据的用户偏好要素向量，并将每个数字用户交互事件的用户偏好要素向量也视作对应第一要素知识向量中的一个局部要素知识向量。比如，在对待分析业务大数据进行交互事件解析得到不少于两个待分析数字用户交互事件的基础上，确定不少于两个待分析数字用户交互事件中每个待分析数字用户交互事件的事件影响力数据。对于各个待分析数字用户交互事件，利用待分析数字用户交互事件的事件影响力数据确定对应的用户偏好要素向量，并确定包括用户偏好要素向量的第一要素知识向量。比如，在待分析业务大数据中包括待分析数字用户交互事件case1和待分析数字用户交互事件case2，且待分析数字用户交互事件case1的影响力与待分析数字用户交互事件case2的影响力的差大于设定差异度判定值时，可以确定待分析数字用户交互事件case1的用户偏好要素向量为“食品”，确定待分析数字用户交互事件case2的用户偏好要素向量为“运动”。进一步地，利用待分析数字用户交互事件case1和待分析数字用户交互事件case2的其他局部要素知识向量与用户偏好要素向量一同确定对应的第一要素知识向量。

进一步地，在本发明实施例应用于分析活动兴趣事项与大数据收集线程之间的相关度等业务环境时，考虑到不同时序特征以及不同场景特征的活动兴趣事项在影响系数层面存在较大的差异度，因此，对于这类活动兴趣事项无需进一步确定活动兴趣事项的影响系数差异度，而只需要对于相同时序特征的活动兴趣事项的影响系数差异度进行预测。因此，可以在待分析业务大数据中包括不少于两个待分析数字用户交互事件时，先确定反映每个待分析数字用户交互事件场景特征和时序特征。对比每个待分析数字用户交互事件的特征内容，在存在不少于两个待分析数字用户交互事件的场景特征和时序特征相同的基础上，再比较场景特征和时序特征相同的多个待分析数字用户交互事件的影响系数差异度，再通过影响系数差异度确定各待分析数字用户交互事件的事件影响力数据，将时序特征、场景特征和事件影响力数据均视作待分析数字用户交互事件第一要素知识向量中的局部要素知识向量。示例性的，事件影响力数据可以包括流行、一般、冷门。多个待分析数字用户交互事件影响系数差异度可以通过识别每个待分析数字用户交互事件的描述向量窗口大小确定。事件影响力数据可以利用多个描述向量窗口大小的比例确定。

对于另一些实施例而言，在确认活动兴趣事项相关度的业务环境中，可以通过对待分析业务大数据data2进行事项概要捕捉得到其中每个事项概要的第一事项概要捕捉窗口block1和第二事项概要捕捉窗口block3，每个事项概要捕捉窗口中包括一个活动兴趣事项的事项细节特征。利用每个活动兴趣事项的事项细节特征确定两个活动兴趣事项对应的特征内容均为“特征1”和“特征4”。由于待分析业务大数据data2中存在两个以上特征内容相同的待分析数字用户交互事件，进一步确定两个活动兴趣事项的第一影响特征捕捉窗口F2和第二影响特征捕捉窗口F4，对比第一影响特征捕捉窗口F2和第二影响特征捕捉窗口F4的大小得到两个活动兴趣事项的用户偏好要素向量分别为“运动”和“食品”。进一步地，利用用户偏好要素向量与其他特征内容对应的局部要素知识向量一同确定第一活动兴趣事项的第一要素知识向量包括“特征1”、“特征4”和“运动”，第二活动兴趣事项的第一要素知识向量包括“特征1”、“特征4”和“食品”。

步骤20、获得包括不少于一个参考解析信息的参考解析记录。

对于一些示例性实施例而言，人工智能服务系统中可以事先记录或从云存储空间等中获得参考解析记录。参考解析记录中包括不少于一个参考解析信息，每个参考解析信息携带第二要素知识向量。示例性的，参考解析信息的内容与视觉智能解析信息的内容相同，用作反映第二要素知识向量对应的数字用户交互事件与选定会话场景单元之间的相关度为设定相关度时的视觉智能解析信息。比如，在待分析数字用户交互事件为兴趣事件，视觉智能解析信息为电商兴趣字段解析信息，即待分析数字用户交互事件的兴趣字段捕捉窗口变量时，参考解析记录中每个参考解析信息也为兴趣字段捕捉窗口变量。当视觉智能解析信息为待分析数字用户交互事件产品服务描述字段和使用传输描述字段之间的相关度时，参考解析信息也为产品服务描述字段和使用传输描述字段之间的相关度。

示例性的，设定相关度为实现配置的基准相关度，比如可以通过皮尔森相关性系数确定，基准相关度用于在数字用户交互事件分析过程中视作相关度参考基准。每个第二要素知识向量的参考解析信息的确定过程可以包括，确定设定数目个携带第二要素知识向量的基准数字用户交互事件，收集每个基准数字用户交互事件在设定相关度时的过渡信息，并利用多个过渡信息确定描述值得到与第二要素知识向量对应的基准数字用户交互事件。进一步地，可以将参考解析信息和对应的第二要素知识向量以矩阵形式存储，以确定出参考解析记录。

步骤30、对于各个所述待分析数字用户交互事件的第一要素知识向量，从所述参考解析记录中获得与所述第一要素知识向量关联的第二要素知识向量对应的参考解析信息，视作所述待分析数字用户交互事件的参考解析信息。

对于一些示例性实施例而言，在通过交互事件解析得到待分析业务大数据中每个待分析数字用户交互事件的第一要素知识向量，且确定多个参考解析信息和对应的第二要素知识向量后，对每个待分析数字用户交互事件的第一要素知识向量和参考解析信息的第二要素知识向量进行关联，以得到待分析数字用户交互事件的不少于一个参考解析信息。示例性的，关联过程可以为对于每个待分析数字用户交互事件的第一要素知识向量，直接确定与第一要素知识向量中涵盖的局部要素知识向量相同的第二要素知识向量为关联的第二要素知识向量，并将获所得的该第二要素知识向量对应的参考解析信息，确定为待分析数字用户交互事件的参考解析信息。即对于每个待分析数字用户交互事件，确定待分析数字用户交互事件的第一要素知识向量，第一要素知识向量包括不少于一个局部要素知识向量。在参考解析记录中确定与待分析数字用户交互事件第一要素知识向量中局部要素知识向量相同的第二要素知识向量为候选要素知识向量。确定候选要素知识向量对应的参考解析信息为待分析数字用户交互事件的参考解析信息。

结合上述相关内容，以确认活动兴趣事项与大数据收集线程之间的相关度的业务环境为例进行介绍。当识别待分析业务大数据得到两个待分析数字用户交互事件，且待分析数字用户交互事件case1的第一要素知识向量为“特征1”，“特征4”，“运动”，待分析数字用户交互事件case2的第一要素知识向量为特征1”，“特征4”，“食品”。且人工智能服务系统获得的参考解析记录中包括对应第二要素知识向量为“特征1”的注释信息label1，第二要素知识向量为“特征2”的参考解析信息reference2，第二要素知识向量为“特征4”的参考解析信息reference3，第二要素知识向量为“特征3”的参考解析信息reference4，第二要素知识向量为“食品”的参考解析信息reference5以及第二要素知识向量为“运动”的参考解析信息reference6时，通过要素知识向量关联的思路确定待分析数字用户交互事件case1的参考解析信息包括参考解析信息reference1、参考解析信息reference3和注释信息label6，确定待分析数字用户交互事件case2的参考解析信息包括参考解析信息reference1、参考解析信息reference3和参考解析信息reference5。

步骤40、对于各个所述待分析数字用户交互事件，利用所得的所述待分析数字用户交互事件的参考解析信息和所述待分析数字用户交互事件的视觉智能解析信息确定交互事件相关度。

对于一些示例性实施例而言，确定每个目标对应的参考解析信息后，可以通过参考解析信息和其对应的视觉智能解析信息确定交互事件相关度。其中，交互事件相关度反映待分析数字用户交互事件与选定会话场景单元之间的相关度。示例性的，当待分析数字用户交互事件仅存在一个对应的参考解析信息时，可以通过对应的参考解析信息、视觉智能解析信息与设定相关度进行计算，直接得到交互事件相关度。即通过设定相关度与视觉智能解析信息的第一运算结果除以参考解析信息得到交互事件相关度。比如，当待分析数字用户交互事件的参考解析信息为X，设定相关度为z，视觉智能解析信息为Y时，计算所得的交互事件相关度为z*Y/X。

进一步地，在待分析数字用户交互事件携带包括多个局部要素知识向量的第一要素知识向量时，其关联得到多个参考解析信息。可以利用多个参考解析信息确定关联解析信息，并利用关联解析信息和视觉智能解析信息确定交互事件相关度。比如，可以对于每个待分析数字用户交互事件，利用不少于一个参考解析信息确定关联解析信息。确定待分析数字用户交互事件的关联解析信息和设定相关度的第一运算结果，并利用第一运算结果与待分析数字用户交互事件对应视觉智能解析信息的第二运算结果确定交互事件相关度。示例性的，关联解析信息的确定过程可以为确定参考解析记录中每个参考解析信息的置信系数。对于每个待分析数字用户交互事件，利用对应的不少于一个参考解析信息的第三运算结果确定关联解析信息。其中，每一个参考解析信息的置信系数可以利用参考解析信息对应第二要素知识向量对参考解析信息影响的大小实现配置。比如，在参考解析信息对应的第二要素知识向量对参考解析信息影响越大的基础上，设定对应的置信系数越大。

应用于上述实施例，能够通过事先记录多个要素知识向量对应的参考解析信息，并通过识别待捕捉相关度待分析数字用户交互事件的要素知识向量，关联对应的不少于一个参考解析信息视作比对依据确定交互事件相关度。该方法通过生成要素知识向量与解析信息的对应关系，能够实现针对相异的数字用户交互事件的交互事件相关度分析，减少交互事件相关度分析的误差，保障交互事件相关度分析的精度和可信度，以便基于该交互事件相关度完整准确地对待分析业务大数据中的待分析数字用户交互事件以及选定会话场景单元进行可视化输出，从而可以结合计算机视觉技术将待分析数字用户交互事件与选定会话场景单元的相关性进行呈现，为后续的业务可视化分析和数据挖掘提供多样丰富的决策依据。

在一些可独立的设计思路下，在利用所得的所述待分析数字用户交互事件的参考解析信息和所述待分析数字用户交互事件的视觉智能解析信息确定交互事件相关度之后，该方法还可以包括如下内容：基于所述交互事件相关度，在所述待分析业务大数据中添加所述待分析数字用户交互事件与所述选定会话场景单元之间相关性特征信息，得到目标业务大数据；将所述目标业务大数据进行可视化输出；响应于针对所述目标业务大数据的数据推送分析指令，对所述目标业务大数据的数据推送分析，得到数据推送分析结果。

其中，相关性特征信息可以通过连线的形式添加，比如将待分析数字用户交互事件对应的数据集和选定会话场景单元对应的数据集用连线进行连接，交互事件相关度越大，对应的连线越粗，且不同待分析数字用户交互事件和不同选定会话场景单元之间的连线可以通过颜色区分或者通过线条标识区分，在此不作限定。

在上述内容的基础上，可以结合存在可视化连线的目标业务大数据进行输出，并根据接收到的数据推送分析指令对目标业务大数据的数据推送分析，得到数据推送分析结果。可以理解，由于进行数据推送分析时考虑了待分析数字用户交互事件和选定会话场景单元的相关性特征信息（连线），因而能够从全局层面挖掘和识别得到准确完整的数据推送分析结果，提高后续大数据推送的精度和智能化程度。

在一些可独立实施设计思路下，对所述目标业务大数据的数据推送分析，得到数据推送分析结果，可以包括如下内容：将所述目标业务大数据加载到推送需求挖掘模型进行推送需求挖掘，其中所述推送需求挖掘模型包括级联的多个AI算法子模型，每个所述AI算法子模型分别对上一个所述AI算法子模型生成的基础推送需求向量进行滑动平均处理，输出当前的基础推送需求向量；在至少两个所述AI算法子模型之间传输第一关联需求向量以及第二关联需求向量，将所述基础推送需求向量优化为推送决策分析向量；基于至少部分所述推送决策分析向量进行数据推送策略生成。如此，可以基于正向的第一关联需求向量以及反向的第二关联需求向量进行基础推送需求向量的优化处理，从而进一步挖掘出推送决策分析向量，以通过推送决策分析向量生成准确且具有针对性的数据推送策略。

在一些可独立实施设计思路下，所述在至少两个所述AI算法子模型之间传输第一关联需求向量以及第二关联需求向量，将所述基础推送需求向量优化为推送决策分析向量，包括：依次以所述至少两个AI算法子模型中的下一个AI算法子模型作为当前AI算法子模型；对所述当前AI算法子模型的基础推送需求向量进行调整，得到所述当前AI算法子模型的第二关联需求向量；将所述当前AI算法子模型的第二关联需求向量与所述当前AI算法子模型之前的上游AI算法子模型的第一关联需求向量进行组合，得到所述上游AI算法子模型的所述推送决策分析向量；对所述上游AI算法子模型的所述推送决策分析向量进行调整，得到所述当前AI算法子模型的第一关联需求向量。

在一些可独立实施设计思路下，所述对所述当前AI算法子模型的基础推送需求向量进行调整，得到所述当前AI算法子模型的第二关联需求向量，包括：对所述当前AI算法子模型的基础推送需求向量进行逆向滑动平均，得到逆向滑动平均特征；将所述逆向滑动平均特征与所述上游AI算法子模型的基础推送需求向量进行成员求和，得到所述当前AI算法子模型的第二关联需求向量。

在一些可独立实施设计思路下，所述对所述上游AI算法子模型的所述推送决策分析向量进行调整，得到所述当前AI算法子模型的第一关联需求向量，包括：对所述上游AI算法子模型的所述推送决策分析向量进行滑动滤波处理，得到所述当前AI算法子模型的第一关联需求向量。

基于上述相同或相似的发明构思，请结合参阅图2，还提供了一种基于人工智能的数据可视化交互处理方法的应用环境30的架构示意图，包括互相之间通信的人工智能服务系统10和业务用户设备20，人工智能服务系统10和业务用户设备20在运行时实现或者部分实现上述方法实施例所描述的技术方案。

进一步地，还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于人工智能的数据可视化交互处理方法，其特征在于，应用于人工智能服务系统，该方法至少包括：

对待分析业务大数据进行交互事件解析，以确定出所述待分析业务大数据涵盖的不少于一个待分析数字用户交互事件的视觉智能解析信息和第一要素知识向量；

获得包括不少于一个参考解析信息的参考解析记录；其中，所述参考解析信息携带第二要素知识向量，所述参考解析信息用作反映所述第二要素知识向量对应的数字用户交互事件与选定会话场景单元之间的相关度为设定相关度时的视觉智能解析信息；

对于各个所述待分析数字用户交互事件的第一要素知识向量，从所述参考解析记录中获得与所述第一要素知识向量关联的第二要素知识向量对应的参考解析信息，视作所述待分析数字用户交互事件的参考解析信息；

对于各个所述待分析数字用户交互事件，利用所得的所述待分析数字用户交互事件的参考解析信息和所述待分析数字用户交互事件的视觉智能解析信息确定交互事件相关度；其中，所述交互事件相关度反映所述待分析数字用户交互事件与所述选定会话场景单元之间的相关度。

2.如权利要求1所述的方法，其特征在于，所述对待分析业务大数据进行交互事件解析，以确定出所述待分析业务大数据涵盖的不少于一个待分析数字用户交互事件的视觉智能解析信息和第一要素知识向量包括：

对所述待分析业务大数据进行交互事件解析，以确定出其中涵盖的不少于一个待分析数字用户交互事件，以及每个所述待分析数字用户交互事件的视觉智能解析信息；

对于所述不少于一个待分析数字用户交互事件中的每个待分析数字用户交互事件，获得所述待分析数字用户交互事件的交互事件主题；

从包含不少于一个交互事件主题的交互事件主题集中，确定用作反映所述待分析数字用户交互事件的交互事件主题对应的不少于一个交互事件要素知识，并视作所述待分析数字用户交互事件的第一要素知识向量，所述交互事件主题集中的每个交互事件主题携带不少于一个交互事件要素知识。

3.如权利要求2所述的方法，其特征在于，所述对待分析业务大数据进行交互事件解析，以确定出所述待分析业务大数据涵盖的不少于一个待分析数字用户交互事件的视觉智能解析信息和第一要素知识向量还包括：

在所述交互事件主题集中不存在用作反映所述待分析数字用户交互事件的交互事件主题的基础上，对所述待分析数字用户交互事件进行描述特征挖掘，以确定出不少于一个交互事件描述特征；

利用所述交互事件描述特征确定所述待分析数字用户交互事件的第一要素知识向量。

4.如权利要求要求3所述的方法，其特征在于，在对所述待分析业务大数据进行交互事件解析得到不少于两个待分析数字用户交互事件的基础上，所述第一要素知识向量中包括反映事件影响力数据的用户偏好要素向量。

5.如权利要求2所述的方法，其特征在于，所述对待分析业务大数据进行交互事件解析，以确定出所述待分析业务大数据涵盖的不少于一个待分析数字用户交互事件的视觉智能解析信息和第一要素知识向量还包括：

在对所述待分析业务大数据进行交互事件解析得到不少于两个待分析数字用户交互事件的基础上，确定所述不少于两个待分析数字用户交互事件中每个待分析数字用户交互事件的事件影响力数据；

对于所述每个待分析数字用户交互事件，利用所述待分析数字用户交互事件的事件影响力数据确定对应的用户偏好要素向量，并确定包括所述用户偏好要素向量的第一要素知识向量。

6.如权利要求1所述的方法，其特征在于，所述对于各个所述待分析数字用户交互事件的第一要素知识向量，从所述参考解析记录中获得与所述第一要素知识向量关联的第二要素知识向量对应的参考解析信息，视作所述待分析数字用户交互事件的参考解析信息包括：

对于每个所述待分析数字用户交互事件，确定所述待分析数字用户交互事件的第一要素知识向量，所述第一要素知识向量包括不少于一个局部要素知识向量；

在所述参考解析记录中确定与所述待分析数字用户交互事件第一要素知识向量中局部要素知识向量相同的第二要素知识向量为候选要素知识向量；

确定所述候选要素知识向量对应的参考解析信息为所述待分析数字用户交互事件的参考解析信息。

7.如权利要求1所述的方法，其特征在于，所述对于各个所述待分析数字用户交互事件，利用所得的所述待分析数字用户交互事件的参考解析信息和所述待分析数字用户交互事件的视觉智能解析信息确定交互事件相关度包括：

对于各个所述待分析数字用户交互事件，利用不少于一个参考解析信息确定关联解析信息；

确定所述待分析数字用户交互事件的关联解析信息和设定相关度的第一运算结果，并利用所述第一运算结果与所述待分析数字用户交互事件对应视觉智能解析信息的第二运算结果确定交互事件相关度。

8.如权利要求7所述的方法，其特征在于，所述对于各个所述待分析数字用户交互事件，利用不少于一个参考解析信息确定关联解析信息包括：

确定所述参考解析记录中每个所述参考解析信息的置信系数；

对于每个所述待分析数字用户交互事件，利用对应的所述不少于一个参考解析信息的第三运算结果确定关联解析信息。

9.如权利要求1所述的方法，其特征在于，所述待分析数字用户交互事件包括电子商务会话事件，所述视觉智能解析信息包括电商兴趣字段解析信息和电商产品描述解析信息中的不少于一类，所述电商兴趣字段解析信息包括所述待分析数字用户交互事件的兴趣字段捕捉窗口变量，所述电商产品描述解析信息包括所述待分析数字用户交互事件产品服务描述字段和使用传输描述字段之间的相关度。

10.一种人工智能服务系统，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-9任一项所述的方法。

Images